炒股杠杆安全开户 人形机器人井喷前夜｜宇树科技王兴兴：机器人的AI能力仍是最大卡点，迎来“iPhone时刻”至少3、4年

发布日期：2024-10-18 21:16    点击次数：180

　　人形机器人井喷前夜

　　去年10月，工信部在《人形机器人创新发展指导意见》中，对人形机器人的发展给出很高的预期，称其“有望成为继计算机、智能手机、新能源汽车后的颠覆性产品，将深刻变革人类生产生活方式，重塑全球产业发展格局。”

　　人形机器人正在经历从落地到量产的跨越。红星资本局采访多家厂商，与他们探讨中国人形机器人产业的井喷前夜。

　　作为全球销量领先的顶尖四足机器人公司，宇树科技的动态一直被外界关注。2023年初，宇树科技立项人形机器人产品，并在同年推出了首款通用人形机器人产品宇树H1。在今年的世界机器人大会期间，宇树科技发布了人形机器人G1的量产版本，起售价为9.9万元，这是双足人形机器人价格首次下调至10万元以内。

　　宇树科技创始人、CEO王兴兴在接受红星资本局等媒体采访时表示，宇树目前还没有all in人形机器人，行业想要步入“iPhone时刻”（指一个革命性的转变时刻）至少还需要3-4年的时间。业内的最大卡点仍在AI方面，在AI未有更大突破前，机器人企业应学会“克制”。

1、暂不all in人形机器人

　　“2020年前有很多投资人问我，你们做不做人形机器人？我非常斩钉截铁地说我们不做人形机器人，因为当时没办法看到他有实用价值或者让他去干活的阶段。”王兴兴说，到了22年底时，又有人来问人形机器人的事，这让他意识到，社会的共识、热度、客户对它的期待程度，已经足够了，23年宇树开始正式踏入人形机器人赛道。

　　“我们并不是All in人形机器人，目前和四足机器人两条路线并重的，这两块我们目前都比较重视。”王兴兴说。

　　机器狗仍是宇树的“王牌”。有数据显示，宇树科技的四足机器人销量占全球的60%以上。王兴兴也表示，目前公司最主要的出货量还是四足机器人。四足机器人在消费端、科研教育端还有行业端都有涉及。目前消费端大概占了整个机器狗营收的1/3左右。据他介绍，目前宇树的四足机器人和人形机器人在硬件、电控系统、软件、OTA升级平台、后台 、AI算法等都在共用。

　　王兴兴透露，今年宇树在人形机器人上投入会更多，四足机器人产品会有硬件、软件的升级。明年可能会有新的四足机器人产品亮相。

2、年底之前全球至少有一家公司做出通用机器人AI模型

　　在通用人形机器人领域，何时会出现“iPhone时刻”？王兴兴认为至少还要3、4年的时间，不会超过5年。

　　“iPhone的出现，并不是说有一个特别技术突破了，更多是一个综合性的技术突破。比如说原本已经有触摸屏了，有很好的CPU，或者还有一些图形界面。然后，乔布斯把终极产品的构想给提出来了，把这些技术都整合在一起。”

　　王兴兴认为，在具身智能或者机器人AI这个领域，今年年底之前，全球至少会有一家公司或实验室能把通用型的机器人AI模型做出来。“但这也不是‘iPhone时刻’，因为‘iPhone时刻’标志着这个行业的出货量暴增。”

　　之所以还未到，王兴兴认为现阶段机器人行业仍存有一个最大卡点就是AI不太够——AI模型、AI的训练数据集、AI场景的落地部署，都远远不够。“硬件对机器人行业不是一个最大的限制，工程技术上的问题，解决时间是可以预估，最大的问题还是目前机器人AI的能力还没有足够突破。”

　　他强调了最主要还是AI软件去发力，而非硬件。他呼吁现在的机器人公司，在AI未做好之前要“克制”，不要用传统自动化的技术去解决问题，最后又把自己变成了传统自动化公司。“还是希望能把AI做好以后，做一些传统机器人做不到的事情，这样更有价值。”

　　对于在工业场景的市场爆发，王兴兴认为关键还是要产生正向商业价值。“如果明年能把商业闭环，比如说一个机器人的价格，和其产生的商业价值能成正比，我觉得明年后到明年底到后年真的是可以大规模的在工厂里铺起来，这个是非常快的。”

3、机器人模型技术路线仍不清晰

　　关于大模型与机器人的结合，王兴兴认为，大语言模型或多模态模型可以运用在机器人领域，但真正的机器人模型要发展，只是大语言模型还不够。

　　“对于机器人或具身智能来说，最重要的一个点是让它能干活，让机器人干活还是要做出机器人模型，例如加入图像、机器人关节指令、激光雷达等数据。”

　　他指出，像特斯拉直接招人采集数据，然后训练。这部分训练和大语言模型关系不大，更多是模仿学习。这个模型结构和大语言模型也偏差较大，这是目前的方向，但整个体系不像大语言模型那么成熟。

　　“在机器人具身智能领域，大家的想法、技术路线，包括共性都不太一样。”王兴兴认为，现在有点类似ChatGPT出来的前一两年，大家已经发现要往某个方向做，但没有哪家敢打保票说我的方向绝对正确。目前相对公认的是特斯拉“模仿学习”这个方向，可以看出堆数据是有效果的。但堆数据也只是针对单个的细分场景，更大范围的验证效果如何，目前还不太确定。

　　红星新闻记者王田炒股杠杆安全开户